Nel 2030 ci sono tre economie possibili, e le separano quattro numeri

01Chi ha scritto cosa, e con quale aiuto

Oggi ero in aula con un gruppo di consulenti d'impresa, e a un certo punto è arrivata la domanda che arriva sempre: perderemo il lavoro?

È la domanda a cui rispondo peggio, perché qualunque cosa dica sto tirando a indovinare davanti a gente che si fida di me. Ho risposto l'unica cosa vera che so, cioè che nessuno lo sa, e che si può però guardare da cosa dipende. Poi sono tornato a casa e ho finito di leggere questo paper, che è un elenco di cose da cui dipende.

L'hanno pubblicato il 10 settembre 2026 il team di economia di Anthropic, insieme a una cosa più rara: il modello stesso, aperto, dove chiunque muove i parametri e vede che economia ne esce.

Si chiama Economic Scenarios for Transformative AI e lo firmano Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter e Peter McCrory. Korinek insegna a Virginia e sta alla Brookings, Jones sta a Stanford: sono due nomi della teoria della crescita, con vent'anni di lavoro alle spalle su queste cose. In fondo alla prima pagina ringraziano una ventina di revisori, fra cui Daron Acemoglu e David Autor, che sull'automazione hanno passato la carriera a dire che i numeri vanno guardati con calma.

Nella stessa nota c'è una riga che vale la lettura: «We used Claude as a research and writing assistant». Il modello ha aiutato a scrivere il paper che stima quanti posti di lavoro cognitivo potrebbe togliere. È anche il primo esempio pulito di quello che racconto a ogni corso: questi strumenti lavorano bene dove il compito è delimitato e la firma resta a una persona.

02Come è fatta la macchina

Il modello parte dall'idea che ripeto a ogni corso: un mestiere è un mazzo di compiti. L'AI entra un compito alla volta, e un lavoro si svuota o si riempie a seconda di quanti compiti se ne vanno, quanti vengono fatti meglio e quanti ne nascono di nuovi. È la tradizione dei modelli task-based, quella di Zeira e poi di Acemoglu e Restrepo, e qui è tenuta al minimo indispensabile.

Gli occupati sono divisi in due gruppi soli. Le occupazioni cognitive sono dirigenti, professionisti, vendite e impiegati: negli Stati Uniti fanno il 62,4% degli occupati. Poi ci sono tutte le altre, quelle che l'AI non tocca direttamente, dall'elettricista al magazziniere all'infermiere al letto del paziente.

I consulenti d'impresa che avevo davanti stamattina stanno nel primo gruppo, in mezzo alla casella che si chiama management, business and financial operations. Tutti i numeri che seguono, quando dicono «lavoratori cognitivi», parlano anche di loro.

Quello che decide il futuro sono quattro numeri, e il modello parte dal valore che hanno oggi.

Sotto ci sono due attriti che decidono quanto fa male lo spostamento: quanto ci mette a ritrovare lavoro chi viene spostato (in tempi normali tre mesi) e quanto in fretta si aprono posti nelle occupazioni non esposte. E c'è un terzo numero che conta quanto lavoro nuovo nasce mentre quello vecchio sparisce: nello scenario estremo vale zero, cioè nessun compito nuovo rimpiazza quelli che spariscono.

La macchina gira mese per mese fino al 2030 e produce sei sentieri: PIL, crescita, salari dei due gruppi, quota del reddito che va al lavoro, quanti cambiano mestiere, disoccupazione.

03Le tre posizioni delle manopole

Gli autori hanno scelto tre configurazioni e le hanno chiamate modesto, sostanziale ed estremo, tarate per coprire la forbice delle previsioni già pubblicate. Il modesto sta dove sta Acemoglu e dove stanno le stime dell'OCSE; il sostanziale copre quello che nel 2023 dicevano banche d'affari e società di consulenza; l'estremo sta oltre, dalle parti degli scenari di decollo da intelligenza artificiale generale.

Il rombo bianco è la mediana delle risposte a un sondaggio, e lo spiego nella prossima sezione. Intanto guardate come si muovono i cerchi: fra lo scenario modesto e quello estremo nessuna manopola raddoppia più di due volte e mezzo, e il risultato cambia di venti volte.

Ecco i numeri del 2030, presi dalla tabella del paper.

Nello scenario estremo l'economia americana cresce del 15,4% all'anno, cioè raddoppia ogni quattro anni e mezzo, e intanto quasi un lavoratore cognitivo su cinque è disoccupato. Le due cose stanno nella stessa colonna, e questo è il punto dell'esercizio: la ricchezza che arriva e il lavoro che sparisce sono lo stesso fenomeno visto da due parti.

Quasi tutta la divaricazione arriva dopo il 2027.

È il risultato che mi interessa di più, e ha una conseguenza pratica immediata: oggi i tre scenari sono indistinguibili dai dati. Partono tutti dalla stessa fotografia di metà 2026 e si separano quando la portata e l'uso dell'AI cominciano a divergere. Chi dice di sapere in quale dei tre siamo sta guardando la stessa fotografia di tutti gli altri.

04Dove le mettono le persone

Insieme al modello gli autori hanno fatto un sondaggio rappresentativo su 10.980 adulti americani, con cinque domande costruite per finire dritte dentro ai parametri: quando l'AI saprà fare otto compiti di difficoltà crescente, quanto verrà usata sul lavoro, quanto tempo farà risparmiare, se lavorerà da sola o con una persona accanto, e quanto ci metterà chi viene spostato a trovare un altro mestiere. Poi hanno preso le risposte di ciascuno, le hanno date in pasto al modello e hanno guardato che economia ne usciva.

La mediana atterra sullo scenario sostanziale: PIL più 8,6% e disoccupazione intorno al 4,6% in tutti e due i gruppi.

Interessante è la forma di quella risposta mediana, che nel diagramma delle manopole è il rombo bianco. L'americano mediano si aspetta un'AI molto capace, che nel 2030 sa fare sei compiti su otto, e la mette a 0,44, cioè sopra allo scenario sostanziale. Poi però si aspetta che venga usata su due quinti di quello che saprebbe fare, e che per metà del tempo affianchi la persona invece di sostituirla: su questa manopola sta al valore dello scenario modesto.

05Chi paga il conto

In tutti e tre gli scenari la meccanica è identica: la produzione sale, l'occupazione cognitiva si assottiglia, quella delle altre occupazioni cresce. Cambiano la taglia e la velocità. E cambia quanto male fa lo spostamento, che dipende da quanti sono a doversi spostare e da quanto in fretta ci riescono.

Il salto fra la terza e la quarta colonna è tutto lì. Fino allo scenario sostanziale si parla di un mercato del lavoro che l'America ha già assorbito altre volte. Nello scenario estremo si parla di una cosa che non ha precedenti recenti.

Guardate la barra arancione a destra. Nello scenario estremo il salario delle occupazioni che l'AI non tocca sta il 33,6% sopra al sentiero che avrebbe avuto, perché quel lavoro diventa scarso mentre tutto il resto abbonda. L'elettricista guadagna di più proprio perché nessuno gli ha automatizzato il mestiere. È il ribaltamento di quindici anni di discorsi sul valore della laurea.

E poi c'è la riga che, secondo me, è la più importante del paper. La quota del reddito nazionale che va al lavoro scende da 60 a 45,2 per cento. Quindici punti di reddito cambiano tasca: dalle buste paga a chi possiede il capitale. Il capitale nello scenario estremo rende l'8,3% netto invece del 6,5% e lo stock cresce del 56%.

Gli autori il conto lo fanno, e lo scrivono: il guadagno aggregato è quasi tre volte quello che i lavoratori cognitivi perdono fra salari e occupazione. Le risorse per compensarli esistono, e di parecchio. Che arrivino davvero a loro non lo fa la crescita da sola: serve qualcuno che lo decida, e a quel punto la domanda smette di essere tecnica.

Un'ultima cosa che il paper verifica e che ho trovato onesta: se i salari sono rigidi, il costo esce come disoccupazione; se si muovono in fretta, esce come salari più bassi. Cambia la forma, le persone che lo pagano sono le stesse.

06Cosa il modello non sa

Il paper dedica una pagina intera ai propri buchi, e la dedica prima dei risultati. Vale la pena elencarli, perché chi cita questi numeri in giro di solito salta questa parte.

C'è poi un risultato che a me ha sorpreso. Il canale per cui l'AI accelera la ricerca, e quindi la crescita di lungo periodo, nel modello vale pochissimo: meno dell'uno per cento in tutti e tre gli scenari. La ragione è che la ricerca resta ingolfata dalle parti fisiche, quelle che una macchina non fa. Gli autori scrivono che questo è quasi certamente un limite inferiore e che un modello che guarda oltre il 2030 darebbe numeri più alti.

07Cosa c'entra con chi lavora in Italia

Il modello è tarato sugli Stati Uniti, e va detto forte prima di fare qualunque salto. La diffusione di partenza, quel 0,10, viene dal censimento delle imprese americane.

Da noi il numero che gli somiglia lo pubblica l'Istat: nel 2025 il 16,4% delle imprese con almeno dieci addetti usa almeno una tecnologia di intelligenza artificiale, contro l'8,2% del 2024 e il 5,0% del 2023. Raddoppia ogni anno. Sotto c'è però una forbice che conta più della media: le grandi imprese stanno al 53,1%, le piccole e medie al 15,7%, e la distanza fra le due è passata da venti punti a trentasette in due anni.

C'è un'altra riga dell'Istat che vale il doppio in questo contesto. Fra le imprese che l'AI l'hanno valutata e poi hanno lasciato perdere, il 58,6% dice che il problema sono le competenze. Poi vengono la normativa poco chiara (47,3%) e la qualità dei dati (45,2%). Il costo sta al 43%, cioè all'ultimo posto. Il freno in Italia non è il prezzo dello strumento.

E qui arriva la cosa che mi interessa davvero, perché è l'unico punto in cui questa storia smette di essere una lettura e diventa una decisione.

Delle sei manopole del modello, due le tieni in mano tu.

La prima è quella che decide se l'AI sostituisce o affianca. Nel paper è un parametro che gli autori scelgono, perché a livello di paese è una media. Nel tuo lavoro è una decisione, e la prendi quando spezzi il lavoro in pezzi: se deleghi il pezzo intero, hai scelto la sostituzione; se deleghi i passaggi meccanici e tieni il giudizio, hai scelto l'affiancamento. È il divide et delega di cui parlo nel corso sull'automazione dei processi, ed è anche il motivo per cui nel modello quella manopola pesa tanto sulla disoccupazione e poco sul PIL.

La seconda è quella degli attriti: quanto ci metti a spostarti. Nello scenario estremo la differenza fra un mercato che ricolloca in tre mesi e uno che ci mette un anno è la differenza fra un problema e un disastro. A livello personale quel tempo si accorcia in un modo solo, e si accorcia prima che serva.

Ai consulenti di stamattina non ho saputo rispondere sì o no, e sono convinto che chi risponde sì o no stia vendendo qualcosa. Quello che ho detto loro, e che dopo aver letto quaranta pagine di modello direi uguale domani, sta in tre righe. Un mestiere si svuota un compito alla volta, e questo lascia il tempo di accorgersene. Quali compiti se ne vanno per primi si vede già adesso, guardando quali pezzi della propria giornata una macchina fa in dieci secondi: per un consulente sono la rilettura dei documenti, la prima stesura del report, il riassunto della riunione. E fra chi lo subisce e chi lo governa la differenza è chi decide quali di quei pezzi delegare, e quali tenersi.

Il resto lo dicono i dati, mano a mano che arrivano. Ed è la cosa più utile che ho tirato fuori da questo paper: i quattro numeri sono tutti osservabili. Quanti compiti l'AI sa fare, quante aziende la usano, quanto tempo fa risparmiare, quanto spesso lavora da sola. Da qui a due anni si vedranno, e diranno in quale dei tre mondi siamo finiti. Fino ad allora chiunque sostenga di saperlo sta tirando a indovinare con più sicurezza degli altri.